ციური ობიექტების კლასიფიკაცია უძველესი პრობლემაა. თითქმის წარმოუდგენელ დისტანციებზე არსებული წყაროებით, მკვლევარები ზოგჯერ იბრძვიან განასხვავონ ისეთი ობიექტები, როგორიცაა ვარსკვლავები, გალაქტიკები, კვაზარები ან სუპერნოვა. Instituto de Astrofísica e Ciências do Espaço (IA) მკვლევარებმა პედრო კუნიამ და ენდრიუ ჰამფრიმ სცადეს კლასიკური პრობლემის გადაჭრა SHEEP-ის შექმნით, მანქანური სწავლის ალგორითმი, რომელიც განსაზღვრავს ასტრონომიული წყაროების ბუნებას. ენდრიუ ჰამფრი (IA და პორტოს უნივერსიტეტი, პორტუგალია) კომენტარს აკეთებს: "ციური ობიექტების კლასიფიკაციის პრობლემა ძალიან რთულია სამყაროს რაოდენობისა და სირთულის თვალსაზრისით და ხელოვნური ინტელექტი ძალიან პერსპექტიული ინსტრუმენტია ასეთი ამოცანებისთვის."
SHEEP არის მეთვალყურეობის ქვეშ მყოფი მანქანათმცოდნეობის მილსადენი, რომელიც აფასებს ფოტომეტრულ წითელ ცვლილებებს და იყენებს ამ ინფორმაციას წყაროების შემდგომ კლასიფიკაციისთვის, როგორც გალაქტიკები, კვაზარები ან ვარსკვლავები. კლასიფიკაციის განხორციელებამდე, SHEEP ჯერ აფასებს ფოტომეტრულ წითელ ცვლილებებს, რომლებიც შემდეგ იკვებება მონაცემთა ბაზაში, როგორც დამატებითი ფუნქცია კლასიფიკაციის მოდელის მოსამზადებლად.
ჯგუფმა აღმოაჩინა, რომ ობიექტების წითელ გადანაწილებასა და კოორდინატებს შორის ხელოვნური ინტელექტის (AI) იდენტიფიცირება შესაძლებელია სამყაროს XNUMXD რუკაზე და მათ გამოიყენეს ეს ფერის ინფორმაციას წყაროს თვისებების უკეთ შესაფასებლად. მაგალითად, AI-მ შეიტყო, რომ ირმის ნახტომის სიბრტყესთან უფრო ახლოს ვარსკვლავების პოვნის ალბათობა უფრო მაღალია, ვიდრე გალაქტიკურ პოლუსებზე. ჰემფრიმ დაამატა: „როდესაც ჩვენ AI-ს მივეცით საშუალება მიეღო სამყაროს სამგანზომილებიანი ხედი, მან ნამდვილად გააუმჯობესა მისი უნარი ზუსტი გადაწყვეტილებების მიღების შესახებ, თუ რა არის ზუსტად ციური ობიექტი“.
ფართომასშტაბიანი კვლევები, როგორც სახმელეთო, ასევე კოსმოსური კვლევები, როგორიცაა Sloan Digital Sky Survey (SDSS), დიდი რაოდენობით მონაცემი გამოიღო, რამაც რევოლუცია მოახდინა ასტრონომიის სფეროში. ვერა კ. რუბინის ობსერვატორიის, ბნელი ენერგიის სპექტროსკოპიული ინსტრუმენტის (DESI), ევკლიდის კოსმოსური მისიის (ESA) ან ჯეიმს ვებბის კოსმოსური ტელესკოპის (NASA/ESA) მომავალი კვლევები გაგრძელდება უფრო დეტალური ინფორმაციისა და გამოსახულების მიწოდებას. თუმცა, ყველა მონაცემის გაანალიზება ტრადიციული მეთოდებით შეიძლება შრომატევადი იყოს. AI ან მანქანათმცოდნეობა გადამწყვეტი იქნება ამ ახალი მონაცემების ანალიზისა და საუკეთესო მეცნიერული გამოყენებისთვის.
პედრო კუნა ამბობს: „ერთ-ერთი ყველაზე საინტერესო ნაწილია იმის დანახვა, თუ როგორ გვეხმარება მანქანური სწავლება სამყაროს უკეთ გაგებაში. ჩვენი მეთოდოლოგია გვაჩვენებს შესაძლო გზას, ამ პროცესში კი ახლის შექმნას. ეს არის გამორჩეული დრო ასტრონომიისთვის."
გამოსახულება და სპექტროსკოპიული კვლევები არის ერთ-ერთი მთავარი რესურსი სამყაროს ხილული შინაარსის გასაგებად. ამ მიმოხილვების მონაცემები საშუალებას გვაძლევს ჩავატაროთ ვარსკვლავების, კვაზარების და გალაქტიკების სტატისტიკური კვლევები, ასევე აღმოვაჩინოთ უფრო უჩვეულო ობიექტები.
თქვენ შეგიძლიათ დაეხმაროთ უკრაინას რუსი დამპყრობლების წინააღმდეგ ბრძოლაში. ამის საუკეთესო გზაა უკრაინის შეიარაღებული ძალებისთვის თანხების შემოწირულობა Savelife ან ოფიციალური გვერდის საშუალებით NBU.
ასევე წაიკითხეთ: